- 222 亿密集参数 参数量
- 32K tokens 上下文窗口
- 14 天 生产切换
Codestral 22B 一览
选择模型和硬件时最关键的规格。
参数量
222 亿(密集)
上下文窗口
32K tokens
架构
带原生 FIM 的密集仅解码 Transformer
支持语言
80+(Python、Java、C、C++、JavaScript、TypeScript、Rust、Go 等)
FIM pass@1
95.3%(开源/闭源最高基准)
许可证
Mistral Non-Production License(MNPL-0.1), 商业使用需要单独协议
BF16 显存
约 44GB
Q4_K_M 显存
约 13GB
发布日期
2024-05-29
较新变体
Codestral 25.01(2025 年 1 月),带 256K 上下文
可在生产环境运行 Codestral 22B 的硬件
三个层级,真实 SKU,真实吞吐数字。
-
入门层:RTX 4090 24GB 或 RTX 3090 24GB 使用 Q4_K_M
吞吐:60-100 tok/s,首 token 低于 200 毫秒。适用:独立开发者 IDE 自动补全(仅 MNPL 下研究/个人使用)。
-
中端层:1x A6000 48GB 使用 BF16 或 1x H100 80GB
吞吐:单流 120-250 tok/s,批处理 800+ tok/s。适用:内部团队 Copilot(需要 Mistral 商业许可证)或研究实验室自托管。
-
企业层:Mistral 商业许可证 + 2x H100 使用 vLLM,或 Mistral 托管 API
吞吐:批处理 1500+ tok/s。适用:生产 IDE 产品、多租户开发工具(需要协商商业许可证)。
此模型的量化选择
GGUF、AWQ、FP8、INT4。
推荐量化
单 GPU IDE 部署使用 Q4_K_M。显存超过 48GB 且关注完整保真度 FIM 质量时使用 BF16。
权衡
FIM 比聊天对量化更敏感。Q4_K_M 在 FIM pass@1 上比 BF16 损失 2-4 分。自动补全用户体验上,速度提升通常抵消质量下降。Q5_K_M 是安全的中间选择。
BF16
文件大小:未指定。
Q8_0
文件大小:未指定。
Q5_K_M
文件大小:未指定。
Q4_K_M
文件大小:未指定。
我们为 Codestral 22B 接入的编程智能体
Codestral 22B 是 Mistral 的代码模型,也是 FIM 驱动 IDE 工作的单 GPU 最优选,但对于困难智能体重构吸引力较弱。
Aider
在中小型代码库上的快速迭代循环可用。Codestral 22B 的 Aider Polyglot 约 38-45%(在排行榜验证)。在困难重构上弱于 Qwen2.5 Coder 32B 和 DeepSeek Coder V2。最佳配合:固定单个文件迭代。
Continue.dev
一级原生支持。Continue 通过 Mistral API 将 Codestral 记录为推荐的自动补全模型。单一模型的 FIM 模式加指令模式意味着比竞争对手的双模型设置更简单的配置。Continue 加 Codestral 曾是标准本地自动补全配对,直到 Qwen2.5 Coder 在聊天上追上。将 tabAutocompleteModel 指向 FIM 端点,即可完全离线运行。
Tabby
通过 ~/.tabby/config.toml 原生集成 Codestral。自托管或云 API。单模型 FIM 加指令支持意味着比运行两个模型更简单的运维。非常适合 Tabby 审计日志满足合规要求的自托管企业 IDE 助手。
Cody(Sourcegraph)
Cody 通过 Mistral API 支持 Codestral 作为自定义模型。仓库上下文加 Codestral 组合对 Sourcegraph 索引代码库效果良好。许可证注脚:企业 Cody 加自托管 Codestral 需要 Mistral 商业许可证。
Cursor(BYOK)
Cursor 没有原生 Codestral 支持。通过 Cursor 内的 Continue 插件或自定义 OpenAI 兼容代理可用。Cursor 第一方模型更快,Codestral 仅在 FIM 重度补全模式下胜出。
Cline
通过 Mistral API 可用。32K 上下文处理 Cline 详细系统提示有余量。在多步骤自主编程任务上弱于 DeepSeek Coder V2,Codestral 为迭代而生,不为自主性设计。
编程智能体使用场景
此模型 + 智能体套件能交付真实成果的场景。
我们在 Codestral 22B 上部署的研究智能体
不是正确选择。
Continue.dev 加仓库搜索
在提取仓库上下文的 Continue 聊天中将 Codestral 用于代码搜索子任务。纯散文综合失败。对代码库内的技术研究可接受。
Tabby 加内部文档 RAG
Tabby 对内部 API 文档和代码的企业 RAG 可以将 Codestral 用于综合步骤。小众配合,要求文档语料库高度代码化。
LangGraph 代码研究节点
在混合智能体中仅将 Codestral 用于代码分析子图。综合和写作节点路由到 Mistral Large 3 或 Llama 3.3 70B。
Pydantic AI 类型化代码提取
窄型代码提取智能体效果强。读取源文件,输出类型化 Pydantic 模式。Codestral 在 32K 上下文下结构化输出处理可靠。
LlamaIndex 代码搜索
GitHub 仓库检索和代码问答。Codestral 加 LlamaIndex 对纯技术研究可用,在相同任务上弱于 DeepSeek Coder V2。
研究智能体使用场景
此模型 + 研究智能体套件能产出团队真正使用报告的场景。
我们为生产智能体工作流交付的框架
按工作流形态选择框架。
CrewAI
AutoGen
DSPy
Pydantic AI
LlamaIndex
谁会选择 Codestral 22B
三类此模型是正确答案的买家画像。
-
研究人员或个人 IDE 用户
任务:通过 Continue.dev 或 Tabby 在 VS Code 中本地 FIM 自动补全。成果:24GB GPU 上最佳内联建议,完全离线,在 MNPL 研究许可条款下使用。
-
持有 Mistral 商业许可证的企业
任务:工程组织的自托管 Copilot 替代,已协商权重许可证。成果:Codestral 用于 FIM,Mistral Large 2 或 Mixtral 用于聊天,都在单一 Mistral 协议下。
-
Mistral API 客户
任务:在 Mistral 托管的 Codestral 端点上构建商业使用权的编程产品。成果:完全跳过权重许可证,获得带 256K 上下文和托管扩展的 Codestral 25.01。
客户在发布后说了什么
来自做决定时在场的人的反馈。
I used to spend every Sunday reconciling contractor invoices. Now they match automatically. I got my weekends back.
We didn't rush. We just stopped wasting time on things that didn't matter. The risk was managed, not ignored.
Three drivers called out on the same morning. The system reassigned every route before I finished my coffee. That used to take two hours of phone calls.
Codestral 22B 与最近竞品比较
此模型胜出的场景和劣势场景。
vs Qwen2.5-Coder 32B
Qwen 是 Apache 2.0(无许可证问题),更大(32B),在 HumanEval(92.7 vs 81.1)和 MBPP(90.2 vs 78.2)以及聊天推理上胜出。Codestral 在平均 FIM pass@1(Python、Java、JavaScript 上 95.3)、22B 密集推理速度和 25.01 变体从 32K 到 256K 的上下文跃升上胜出。商业生产,除非您有 Mistral 协议否则选 Qwen。两者都能装进单张 24GB 显卡,因此常见做法是 Codestral 用于 Tab 补全、Qwen 用于聊天。
vs DeepSeek Coder V2 Lite(16B / 激活 2.4B)
DeepSeek Coder V2 Lite 有商业允许许可证,每 token 更快(MoE),支持 338 种语言和 128K 上下文。Codestral 在 FIM 上略胜,密集模型延迟可预测性上略胜。许可证清晰度对生产有利于 DeepSeek。
vs CodeGemma 7B
CodeGemma 7B 小得多,在 8GB 显卡上运行,Apache 2.0 许可证。Codestral 22B 在 HumanEval、MBPP 和 FIM 上领先 10-20 分。仅在显存低于 16GB 或许可证必须宽松时选 CodeGemma。
Pineido 如何在 Codestral 22B 上部署智能体
两周冲刺,前置严格许可证审查关卡。
第 1 天
许可证审查。向买家律师确认 MNPL-0.1 商业限制。如果是商业生产,签署 Mistral 商业许可证,或确认 codestral.mistral.ai 托管 API 为部署路径。
第 3 天
硬件决策。自托管研究用 RTX 4090 或 5090(24GB)Q4,商业生产用 Mistral 托管 API。Tabby 自托管加 Codestral 拉取,~/.tabby/config.toml 配置完成。
第 6 天
Continue.dev 接入作为 IDE 助手。tabAutocompleteModel 指向带 FIM 模式的 Codestral,聊天模型指向带指令模式的同一端点。延迟基线,自动补全接受率测量。
第 9 天
Aider 迭代循环在真实客户代码库上测试。diff 应用成功率记录。Pydantic AI 类型化工具智能体接入结构化提取任务。
第 11 天
智能体框架选择。LangGraph 加 Codestral 用于图工作流,Pydantic AI 用于类型化代码提取。原生工具调用测试完成。
第 14 天
生产切换。许可证署名交付(Mistral NOTICE 加适用的商业许可证引用)。SSO、审计日志、提示日志、速率限制上线。Tabby 管理仪表盘移交。
我们如何在 14 天内部署 Codestral 22B
固定费用。
-
第 1 天
确认您的使用场景在 MNPL 下属于非商业,或您有 Mistral 商业许可证,或承诺使用 Mistral API。此决定阻断所有下游步骤。
-
第 2 天
拉取 Codestral-22B-v0.1 GGUF 并通过 llama.cpp 或 Ollama 提供服务。配置 FIM 端点(路径 /api/fim 或带 FIM tokens 的 OpenAI 兼容 /v1/completions)。
-
第 3 天
在 VS Code 中接入 Continue.dev 或 Tabby。Tab 补全设置为 Codestral,聊天设置为单独的模型(Qwen2.5-Coder 32B 或 Llama 3.3 70B)。测试延迟,目标低于 200 毫秒。
-
第 2 周
如果是商业部署,通过 Mistral API 评估带 256K 上下文的 Codestral 25.01。比较每 token 成本 vs 托管 Qwen2.5-Coder。先按许可证兼容性选,再按质量选。
222 亿密集参数 参数量
预约 30 分钟咨询通话。我们在您签约前告知 Codestral 22B 加智能体套件是否是正确选择。
固定费用。
第 1 天您将看到确切的模型、硬件、智能体套件、成本计算和合规立场。
你将带走
- 第 0 天(本周):30 分钟咨询通话。硬件候选清单、模型选择、智能体套件方案、成本预测,本周五前发送至您的邮箱
- 第 1 天:确认您的使用场景在 MNPL 下属于非商业,或您有 Mistral 商业许可证,或承诺使用 Mistral API。此决定阻断所有下游步骤。
无需销售电话的答案
许可证真的是非商业的吗?
是的,严格意义上如此。MNPL-0.1 禁止任何商业活动,包括员工在工作过程中使用、托管服务和营收产品。即使 Codestral 的微调版本也继承此限制。商业部署需要从 [email protected] 获得单独许可证或使用 Mistral API。
为什么 Codestral 在 FIM 上最强?
Mistral 将原生 FIM tokens 训练进基础模型,而不是作为微调附加。这给了它 95.3% 的 FIM pass@1 率,没有其他开源模型达到过这个水平。Codestral 25.01 通过更大的 256K 上下文将此扩展到仓库级填充中间。
Codestral 25.01 怎么样?
Codestral 25.01 是 2025 年 1 月更新版,带 256K 上下文窗口(原始 32K 的 8 倍)、更好的分词器、约 2 倍更快的解码,以及 HumanEval Python 86.6%。发布时它登顶 Copilot Arena 自动补全榜,仅通过 Mistral API 提供。此后 Mistral 又发布了 Codestral 25.08(2025 年 7 月),报告称被接受的补全增加 30%、失控生成减少 50%,并打包 Codestral Embed、Devstral 智能体和面向企业自托管的 Mistral Code IDE 插件。原始 Codestral 22B v0.1 仍是开放权重选项,只是保留原始 32K 上下文。
最接近的商业友好替代品是什么?
聊天和复杂任务用 Apache 2.0 下的 Qwen2.5-Coder 32B。快速 FIM 用 DeepSeek Coder V2 Lite。低显存配置用 CodeGemma 7B。没有一个在 FIM pass@1 上与 Codestral 相当,但都许可证干净。
商业产品能随自托管 Codestral 22B v0.1 发布吗?
不能,除非有 Mistral 单独商业许可证。Codestral 22B v0.1 在 Mistral AI Non-Production License(MNPL-0.1)下发布,明确仅限研究和测试。三条生产合法路径:一,与 Mistral 签署商业许可证(定制定价);二,使用托管 Mistral API(codestral.mistral.ai 或 api.mistral.ai),遵守其商业条款;三,换用 Qwen2.5 Coder 32B(Apache 2.0)或 DeepSeek Coder V2(MIT 加 DeepSeek 许可证协议,免费商业使用)。对于发布产品的小型咨询公司,路径二或三是实际默认选择。
Aider 工作流应该选 Codestral 22B 还是 Qwen2.5 Coder 32B?
困难重构选 Qwen2.5 Coder 32B,FIM 重度迭代选 Codestral。Qwen2.5 Coder 32B 在 Aider Polyglot 上领先 6-12 分,且在 Apache 2.0 下(无许可证注脚)。Codestral 在 FIM 基准(HumanEvalFIM 91.6%)上胜出,并由于单模型 FIM 加指令支持与 Continue.dev 自动补全配合最干净。2026 年实际选择:智能体编程循环用 Qwen2.5 Coder,仅在 FIM 自动补全延迟是绑定约束时才选 Codestral。
作者Kostadin Stamboliev创始人兼 Imaginator
Pineido, 总部位于 Strumica, North Macedonia, 是一家软件公司,为国内外企业开发网站、网店、网页与移动应用、业务自动化和 AI。工作以 30 天冲刺、固定价格交付,代码归客户所有。
发布于 更新于